基于顯著性區(qū)域檢測的車標(biāo)定位方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于數(shù)字圖像處理技術(shù)領(lǐng)域，涉及計(jì)算機(jī)視覺、模式識別相關(guān)理論知識，應(yīng) 用于車標(biāo)定位技術(shù)。 技術(shù)背景
[0002] 據(jù)工信部信息化裝備司在2012年1月20日發(fā)布的《2011年中國汽車工業(yè)經(jīng)濟(jì)運(yùn) 行情況》公告顯示，2011年全年汽車銷量超過到1850萬輛，再次刷新全球記錄。然而，隨著 汽車產(chǎn)業(yè)在我國的蓬勃發(fā)展，相關(guān)問題也隨之而來，如車輛盜竊、套牌倒牌現(xiàn)象也大有愈演 愈烈之勢。隨著計(jì)算機(jī)視覺技術(shù)的發(fā)展成熟，智能交通監(jiān)控系統(tǒng)也被相關(guān)部門用于輔助管 理交通運(yùn)輸。而車輛識別技術(shù)是智能交通系統(tǒng)中不可或缺的一部分，受到了許多研究人員 的關(guān)注。
[0003] 車輛識別目前大部分都是基于車牌識別。車牌識別也成功的運(yùn)用于高速公路和城 市交通要道的監(jiān)控管理中。但車牌識別也有其不足之處，如背景中存在廣告牌、背景中存在 文字以及被盜車犯更換車牌，車牌識別就無能為力了。為了彌補(bǔ)現(xiàn)有基于車牌識別的車輛 識別系統(tǒng)的不足。車標(biāo)作為車輛的一個(gè)重要標(biāo)志，成為車輛識別的一個(gè)新的研究方向。車 標(biāo)識別作為完善和發(fā)展智能交通系統(tǒng)有著非常重要的作用。
[0004] 目前常用的車標(biāo)定位識別方法有以下幾種：
[0005] (1)基于圖像形態(tài)學(xué)處理的車標(biāo)定位和識別方法。這類方法是首先對車輛進(jìn)行 Sobel邊緣檢測，然后在運(yùn)用數(shù)字圖像形態(tài)學(xué)中開操作和閉操作等得到連通域，然后結(jié)合模 板匹配方法進(jìn)行車標(biāo)定位識別。這種方法優(yōu)點(diǎn)是簡單快速，但是識別率低，對于噪聲和陰影 等復(fù)雜背景失效。詳見文獻(xiàn)：Yunqiong, W.，L. Zhifang and X. Fei, A fast coarse-to-fine vehicle logo detection and recognition method, in Robotics and Biomimeticsj 2007. ROBIO 2007. IEEE International Conference on. 2007, IEEE:Sanya, p.691
[0006] (2)基于車標(biāo)幾何結(jié)構(gòu)的車標(biāo)定位識別方法。這種方法是利用車標(biāo)位于車牌和 車燈之間的位置關(guān)系，即車標(biāo)一般位于兩個(gè)車燈之間而且在車牌之上。通過檢測車燈和 車牌來定位識別車標(biāo)。這種方法的優(yōu)點(diǎn)是定位準(zhǔn)確性較高，缺點(diǎn)是依賴于車燈和車牌的 檢測，當(dāng)有其中一個(gè)檢測失敗時(shí)，車標(biāo)定位也隨之失敗，可靠性較差。詳見文獻(xiàn):Wenting LujHonggang ZhangjLan Kunyanj and Jun Guo. Detection of Vehicle Manufacture Logos Using Contextual Information. The Ninth Asian Conference on Computer Vision，ACC V2009, Xi ' an，China，S印.23-27. EI: 20105213526341
[0007] 利用形態(tài)學(xué)和幾何結(jié)構(gòu)的車標(biāo)定位識別是都是基于空域特征的定位方法，因而對 于噪聲和復(fù)雜背景下提取車標(biāo)效果欠佳。

【發(fā)明內(nèi)容】

[0008] 本發(fā)明所要解決的技術(shù)問題是，提供一種可以快速穩(wěn)定的檢測到車標(biāo)區(qū)域的車標(biāo) 定位方法。
[0009] 本發(fā)明為解決上述技術(shù)問題所采用的技術(shù)方案是，基于顯著性區(qū)域檢測的車標(biāo)定 位方法，包括以下步驟：
[0010] 步驟1:進(jìn)行車標(biāo)粗略位置提??；
[0011] 步驟2 :視覺顯著性圖提取
[0012] 步驟2-1對車標(biāo)粗略位置圖進(jìn)行RGB三色通道分離，分解為R顏色通道圖片、G顏 色通道圖片和B顏色通道圖片；
[0013] 步驟2-2分別求RGB三個(gè)顏色通道的離散余弦變換后再經(jīng)過符號函數(shù)變換后分別 得到RGB三個(gè)顏色通道的簽名圖像；
[0014] 步驟2-3對RGB三個(gè)顏色通道的簽名圖像進(jìn)行反離散余弦變換得到背景離散化的 重構(gòu)圖像；
[0015] 步驟2-4將三個(gè)顏色通道的重構(gòu)圖像進(jìn)行融合得到融合后的圖像；
[0016] 步驟2-5利用高斯函數(shù)對融合后的圖像&進(jìn)行濾波得到顯著性區(qū)域圖，高斯濾波 核參數(shù)σ = max(W，Η)*0· 045 ;W和H分別為對融合后的圖像尤的寬度和高度，max( ·)表 示取最大值；
[0017] 步驟3 :基于顯著圖的圖像分割及車標(biāo)提取
[0018] 步驟3-1對顯著性區(qū)域圖進(jìn)行二值化處理得到二值化后的圖像；
[0019] 步驟3-2對二值化后的圖像白色區(qū)域進(jìn)行連通域提取，并用一個(gè)外接矩形框去擬 合連通域得到外接矩形框；
[0020] 步驟3-3在車標(biāo)粗略位置圖中提取外接矩形框所在位置的圖像即為車標(biāo)圖像。
[0021] 本發(fā)明通過離散余弦變換DCT、符號函數(shù)Sign處理和反散余弦變換DCT來快速實(shí) 現(xiàn)視覺顯著性檢測。顯著區(qū)域圖是一個(gè)灰度圖像，灰度值越大就代表越可能包含車標(biāo)，因此 可以通過選擇合適的閾值二值化顯著圖，得到二值連通區(qū)域，來提取車標(biāo)。
[0022] 本發(fā)明的有益效果是，利用視覺顯著性檢測處理車標(biāo)區(qū)域，能很好的用于車標(biāo)定 位，具有很高的識別率，在復(fù)雜環(huán)境具有很好的魯棒性。
【附圖說明】
[0023] 圖1為車標(biāo)定位流程圖；
[0024] 圖2車標(biāo)粗略位置提取流程示意圖；
[0025] 圖3基于顯著區(qū)域圖的車標(biāo)定位分割流程示意圖。
【具體實(shí)施方式】
[0026] 基于視覺顯著性區(qū)域檢測的車標(biāo)定位方法流程圖，如附圖1所示，包括以下步驟， 下面是這些步驟的詳細(xì)說明，
[0027] 步驟1 :車標(biāo)粗略位置提取，如圖2所示
[0028] 步驟I-ICanny邊緣檢測：對輸入的車輛圖片進(jìn)行邊緣檢測，Canny邊緣檢測算法 可以一定程度抑制噪聲，得到車輛的邊緣圖片。
[0029] 步驟1-2車頭區(qū)域切割：對1-1中得到的邊緣圖片進(jìn)行水平投影，車頭區(qū)域是投影 值最大的連續(xù)區(qū)域，并且有先驗(yàn)知識知道車頭在圖片的偏下位置，設(shè)定閾值進(jìn)行上下切割 得到車頭區(qū)域圖片。
[0030] 步驟1-3車標(biāo)粗略區(qū)域切割：對1-2中得到的車頭圖片，再進(jìn)行左右切割，保留中 間1/2的圖像區(qū)域。即把圖片最左邊1/4區(qū)域和最右邊1/4區(qū)域切除，得到的圖片就是車 標(biāo)所在的粗略位置圖。
[0031] 步驟2 :視覺顯著性圖（Saliency Map)提取，附圖3所示
[0032] 步驟2-1顏色通道分離：在步驟1中得到的粗略區(qū)域圖作為輸入，進(jìn)行通道分離， 把RGB三色圖像的每個(gè)顏色通道分解為R顏色通道圖片、G顏色通道圖片和B顏色通道圖 片。
[0033] 步驟2-2求簽名圖像：根據(jù)定義的公式imageSignature (X) = Sign(DCT(x))，首 先分別求RGB三個(gè)顏色通道的離散余弦變換（DCT)，然后再經(jīng)過符號函數(shù)Sign變換后就可 以分別得到各個(gè)顏色通道的簽名圖像。
[0034] 步驟2-3反離散余弦變換：把步驟2-2中得到的各個(gè)顏色通道的圖片進(jìn)行反離散 余弦變換（IDCT)，就可以得到背景離散化的重構(gòu)的圖像。R通道的離散重構(gòu)圖片為4 , G 通道的離散重構(gòu)圖片為Xe t B通道的離散重構(gòu)圖片為JTs β
[0035] 步驟2-4通道融合：將步驟2-3中各個(gè)顏色通道的背景離散化后的重構(gòu)圖像進(jìn)行 融合，融合的方法就是簡單的求和取平均值作為融合后的圖像值。設(shè)得到的融合后圖片為 Z'，則
[0036] 步驟2-5高斯濾波：利用高斯函數(shù)
對融合后的圖像X進(jìn)行濾 波。設(shè)圖像i的寬度和高度分別為W和Η，則高斯濾波核σ參數(shù)〇 = max (W，H) *0.045,即 取寬度和高度的最大值，再乘以常數(shù)0.045得到的高斯濾波核對融合后的圖像i濾波，就 可以得到顯著性區(qū)域圖Saliency Map。
[0037] 步驟3 :基于顯著圖（Saliency Map)的圖像分割及車標(biāo)提?。ǜ綀D3所示）
[0038] 步驟3-1二值化顯著圖：對顯著圖用大津自動閾值化處理（OSTU)，閾值化可以自 動選擇閾值對灰度圖像進(jìn)行二值化處理，設(shè)閾值為th，則可以定義二值化后的圖像為，
[0040] 步驟3-2尋找連通域：對二值化后的圖像白色區(qū)域就是車標(biāo)所在的位置，用尋找 連通域的方法，找到這塊區(qū)域，并用一個(gè)外接矩形框去擬合這個(gè)連通域。
[0041] 步驟3-3分割圖像提取車標(biāo)：得到步驟3-3中的外接矩形框，如附圖3中所示的紅 色矩形框就是車標(biāo)所在的位置，切割原圖像中矩形框所在的位置就是車標(biāo)了，到這車標(biāo)就 定位結(jié)束，輸出車標(biāo)然后進(jìn)行識別就可以了。
【主權(quán)項(xiàng)】
1. 基于顯著性區(qū)域檢測的車標(biāo)定位方法，其特征在于，包括以下步驟： 步驟1 :進(jìn)行車標(biāo)粗略位置提??； 步驟2:視覺顯著性圖提取 步驟2-1對車標(biāo)粗略位置圖進(jìn)行RGB三色通道分離，分解為R顏色通道圖片、G顏色通 道圖片和B顏色通道圖片； 步驟2-2分別求RGB三個(gè)顏色通道的離散余弦變換后再經(jīng)過符號函數(shù)變換后分別得 到RGB三個(gè)顏色通道的簽名圖像； 步驟2-3對RGB三個(gè)顏色通道的簽名圖像進(jìn)行反離散余弦變換得到背景離散化的重 構(gòu)圖像； 步驟2-4將三個(gè)顏色通道的重構(gòu)圖像進(jìn)行融合得到融合后的圖像； 步驟2-5利用高斯函數(shù)對融合后的圖像I進(jìn)行濾波得到顯著性區(qū)域圖，高斯濾波核 參數(shù)σ = max (W，H) *0· 045 ;W和H分別為對融合后的圖像％的寬度和高度，max ( ·)表示 取最大值； 步驟3 :基于顯著圖的圖像分割及車標(biāo)提取 步驟3-1對顯著性區(qū)域圖進(jìn)行二值化處理得到二值化后的圖像； 步驟3-2對二值化后的圖像白色區(qū)域進(jìn)行連通域提取，并用一個(gè)外接矩形框去擬合連 通域得到外接矩形框； 步驟3-3在車標(biāo)粗略位置圖中提取外接矩形框所在位置的圖像即為車標(biāo)圖像。2. 如權(quán)利要求1所述基于顯著性區(qū)域檢測的車標(biāo)定位方法，其特征在于，進(jìn)行車標(biāo)粗 略位置提取的具體方法是： 步驟1-1對輸入的車輛圖片進(jìn)行邊緣檢測，得到車輛的邊緣圖片； 步驟1-2對邊緣圖片進(jìn)行水平投影，選擇圖片偏下位置且投影值連續(xù)大于閾值的區(qū)域 作為車頭圖片； 步驟1-3對車頭圖片進(jìn)行左右切割，保留中間1/2的圖像區(qū)域得到車標(biāo)粗略位置圖。3. 如權(quán)利要求2所述基于顯著性區(qū)域檢測的車標(biāo)定位方法，其特征在于，步驟1-1中邊 緣檢測使用Canny邊緣檢測算法。4. 如權(quán)利要求1所述基于顯著性區(qū)域檢測的車標(biāo)定位方法，其特征在于，將三個(gè)顏色 通道的重構(gòu)圖像進(jìn)行融合的具體方法為：融合后圖片，為為R通道的重構(gòu)圖片值，JT6為G通道的 重構(gòu)圖片，Sb通道的重構(gòu)圖片。5. 如權(quán)利要求1所述基于顯著性區(qū)域檢測的車標(biāo)定位方法，其特征在于，高斯函數(shù)核 參數(shù)σ = max (w，H) *0· 045 ;W和H分別為對融合后的圖像y的寬度和高度，max ( ·)表示 取最大值。
【專利摘要】本發(fā)明提供一種基于顯著性區(qū)域檢測的車標(biāo)定位方法，包括：進(jìn)行車標(biāo)粗略位置提取、視覺顯著性圖提取、基于顯著圖的圖像分割及車標(biāo)提取。本發(fā)明通過離散余弦變換DCT、符號函數(shù)Sign處理和反散余弦變換DCT來快速實(shí)現(xiàn)視覺顯著性檢測。顯著區(qū)域圖是一個(gè)灰度圖像，灰度值越大就代表越可能包含車標(biāo)，因此可以通過選擇合適的閾值二值化顯著圖，得到二值連通區(qū)域，來提取車標(biāo)。本發(fā)明利用視覺顯著性檢測處理車標(biāo)區(qū)域，能很好的用于車標(biāo)定位，具有很高的識別率，在復(fù)雜環(huán)境具有很好的魯棒性。
【IPC分類】G06K9/32
【公開號】CN105184293
【申請?zhí)枴緾N201510543431
【發(fā)明人】解梅, 羅招材, 于國輝, 陳熊
【申請人】電子科技大學(xué)
【公開日】2015年12月23日
【申請日】2015年8月29日